遞迴式自我改進，不一定是模型直接改寫自己的權重。AI 代理也可以修改運行模型所依賴的軟體、工具、測試環境或工作流程。中國部分專案的報導，呈現了這種「先改造周邊系統」的路線；但目前證據支持的結論，遠比「AI 已能自主打造下一代 AI」來得有限。

怎樣才算遞迴式自我改進？

改寫提示詞或生成一段程式碼，不等於遞迴式自我改進。更嚴格的判準是：系統是否做出持續有效、經驗證並被採納的改動，讓之後的改進也能使用更好的流程。

一項關於自我改進代理運作框架的研究，描述了這樣的循環：代理從執行紀錄中找出弱點、提出框架修改，再透過回歸測試驗證提案。52 另一篇論文則採取更嚴格的定義：AI 研究代理每次獲採納的程式碼改寫，都會成為下一輪負責修改的版本。論文摘要指出，這個特定代理在八天的運行中連續發現七項改進；這是特定研究設定下的成果，並非通用、無限制自我改進能力的證明。56

目前中國相關報導顯示什麼？

36 氪於 9 月報導，一個由 GLM-5.3 驅動的基礎設施代理，在由超過 10 萬張中國製晶片組成的叢集上，協助最佳化模型的推論引擎。據報導，相關工作不到兩週完成，端到端吞吐量提升至最初基準的三倍。21 這顯示 AI 參與基礎設施最佳化的報導案例，但單憑這項結果，還無法證明代理能獨立設定目標、驗證成果，或改善下一輪最佳化所使用的流程。

月之暗面的 Kimi K3 資料則呈現另一層基礎設施：公司發布了 AgentEnv，將它描述為分散式強化學習環境的基礎設施；同時也公開了訓練系統技術，包括通訊函式庫與高效能注意力核心。25 這些工具有助於模型訓練與代理運作，但它們的存在本身，並不能證明代理已能自主設計更好的訓練環境或後繼模型。

此外，基礎設施改良與模型訓練也不能混為一談。智譜的文件指出，GLM-5.3 與 GLM-5.2 使用相同的基礎模型，改進來自後訓練（post-training）。2 這說明一條有文件佐證的模型改進路徑，卻不代表能力提升完全來自模型周邊系統的變更。

用五個階段判讀「自我改進」主張

9 月論文《人類建造的最後一個 AI》（The Last AI Built by Humans）提出五個自主程度逐步提高的階段：執行事先指定的改進、選擇改進策略、取得未來學習所需的經驗、透過部署與環境回饋調整，以及進一步改進「改進流程」本身。33 媒體報導也將這套框架描述為通往能建造後繼系統的階梯。35

這套分級有助於區分不同程度的自動化。依照人類設計的實驗執行任務，與自行判斷該改善什麼，並不是同一回事；而這兩者也都不等於能可靠地重設、驗證自己的改進循環。論文提供了一套辨別方式，但現有來源並未證實大多數前沿系統已達第一或第二階段。

哪些說法仍未獲證實？

目前提供的來源無法佐證幾項具體說法，包括 DSec 每日建立沙盒的數量、ModelBest 訓練框架與核心運算子基準、月之暗面所稱的沙盒規模與復原手冊，以及阿里巴巴據稱進行的訓練。資料中也沒有找到所謂雷鋒網調查的研究結果；目前可查到的相關雷鋒網文章是 Kimi K3 技術報告，而非遞迴式自我改進調查。24

獨立的代理框架研究也指出一項實際限制：效能提升可能伴隨更高的執行成本，因此評估時必須一併衡量任務成功率，以及運算資源或工具使用成本。54 更廣泛地說，任何「遞迴」主張都應交代清楚：誰設定目標、誰判定改動是否有效，以及被採納的改動是否真的讓下一輪改進更好。

目前最站得住腳的結論是：AI 開發周邊系統的自動化正在進展，但尚未證明具備開放式遞迴自我改進能力。 若改進能持續保留，並提升後續工作的效能，基礎設施代理與自我改進框架確實是有意義的步驟。不過，吞吐量提升、可重複使用的工具，或多輪訓練本身，都不足以證明 AI 已能可靠地決定改進方向、判斷成果，並打造更好的後繼系統。

遞迴式自我改進，不一定是模型直接改寫自己的權重。AI 代理也可以修改運行模型所依賴的軟體、工具、測試環境或工作流程。中國部分專案的報導，呈現了這種「先改造周邊系統」的路線；但目前證據支持的結論，遠比「AI 已能自主打造下一代 AI」來得有限。

怎樣才算遞迴式自我改進？

改寫提示詞或生成一段程式碼，不等於遞迴式自我改進。更嚴格的判準是：系統是否做出持續有效、經驗證並被採納的改動，讓之後的改進也能使用更好的流程。

一項關於自我改進代理運作框架的研究，描述了這樣的循環：代理從執行紀錄中找出弱點、提出框架修改，再透過回歸測試驗證提案。52 另一篇論文則採取更嚴格的定義：AI 研究代理每次獲採納的程式碼改寫，都會成為下一輪負責修改的版本。論文摘要指出，這個特定代理在八天的運行中連續發現七項改進；這是特定研究設定下的成果，並非通用、無限制自我改進能力的證明。56

目前中國相關報導顯示什麼？

36 氪於 9 月報導，一個由 GLM-5.3 驅動的基礎設施代理，在由超過 10 萬張中國製晶片組成的叢集上，協助最佳化模型的推論引擎。據報導，相關工作不到兩週完成，端到端吞吐量提升至最初基準的三倍。21 這顯示 AI 參與基礎設施最佳化的報導案例，但單憑這項結果，還無法證明代理能獨立設定目標、驗證成果，或改善下一輪最佳化所使用的流程。

月之暗面的 Kimi K3 資料則呈現另一層基礎設施：公司發布了 AgentEnv，將它描述為分散式強化學習環境的基礎設施；同時也公開了訓練系統技術，包括通訊函式庫與高效能注意力核心。25 這些工具有助於模型訓練與代理運作，但它們的存在本身，並不能證明代理已能自主設計更好的訓練環境或後繼模型。

此外，基礎設施改良與模型訓練也不能混為一談。智譜的文件指出，GLM-5.3 與 GLM-5.2 使用相同的基礎模型，改進來自後訓練（post-training）。2 這說明一條有文件佐證的模型改進路徑，卻不代表能力提升完全來自模型周邊系統的變更。

用五個階段判讀「自我改進」主張

9 月論文《人類建造的最後一個 AI》（The Last AI Built by Humans）提出五個自主程度逐步提高的階段：執行事先指定的改進、選擇改進策略、取得未來學習所需的經驗、透過部署與環境回饋調整，以及進一步改進「改進流程」本身。33 媒體報導也將這套框架描述為通往能建造後繼系統的階梯。35

這套分級有助於區分不同程度的自動化。依照人類設計的實驗執行任務，與自行判斷該改善什麼，並不是同一回事；而這兩者也都不等於能可靠地重設、驗證自己的改進循環。論文提供了一套辨別方式，但現有來源並未證實大多數前沿系統已達第一或第二階段。

哪些說法仍未獲證實？

目前提供的來源無法佐證幾項具體說法，包括 DSec 每日建立沙盒的數量、ModelBest 訓練框架與核心運算子基準、月之暗面所稱的沙盒規模與復原手冊，以及阿里巴巴據稱進行的訓練。資料中也沒有找到所謂雷鋒網調查的研究結果；目前可查到的相關雷鋒網文章是 Kimi K3 技術報告，而非遞迴式自我改進調查。24

獨立的代理框架研究也指出一項實際限制：效能提升可能伴隨更高的執行成本，因此評估時必須一併衡量任務成功率，以及運算資源或工具使用成本。54 更廣泛地說，任何「遞迴」主張都應交代清楚：誰設定目標、誰判定改動是否有效，以及被採納的改動是否真的讓下一輪改進更好。

目前最站得住腳的結論是：AI 開發周邊系統的自動化正在進展，但尚未證明具備開放式遞迴自我改進能力。 若改進能持續保留，並提升後續工作的效能，基礎設施代理與自我改進框架確實是有意義的步驟。不過，吞吐量提升、可重複使用的工具，或多輪訓練本身，都不足以證明 AI 已能可靠地決定改進方向、判斷成果，並打造更好的後繼系統。